本项目旨在通过深度学习技术实现对无线信号的自动调制识别（AMR）。项目结合了卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM），以提高对不同调制类型信号的识别准确性。我们使用了RML2016.10a数据集进行实验，探索模型在不同信噪比（SNR）条件下的表现。
使用的是RML2016.10a数据集，包含11种不同调制类型的信号样本，适用于自动调制识别研究。信号以复数形式存储，包含不同信噪比（SNR）条件下的样本。
本项目的模型结构包括：
实验结果表明，在高信噪比条件下，模型的分类准确率可达90%以上，而在低信噪比下，准确率较低。详细的实验数据与图表将在报告中提供。
如果想详细了解，可以移至个人博客，这里有更加详细完整的说明。